局部特征影响全局特征学习的鱼类识别系统及方法技术方案

本发明专利技术公开了局部特征影响全局特征学习的鱼类识别系统，包括数据收集、数据传输模块和鱼类识别终端，数据收集模块包括固定板、水下摄影机、电源电路、水下照明装置、补光光壁，数据传输模块包括数据存储装置和图像传输装置，图像传输装置将水下摄影机收集的图像信息发送时数据存储装置进行存储；鱼类识别终端包括服务器、实时监控装置和图像接收装置，实时监控装置设置于数据收集模块的上方，图像接收装置接收来自数据存储装置的图像信息并发送至服务器。本发明专利技术采用上述结构的局部特征影响全局特征学习的鱼类识别系统及方法，针对不同种类鱼体识别泛化性强，能够识别陌生个体、识别准确率高。别准确率高。别准确率高。

【技术实现步骤摘要】
局部特征影响全局特征学习的鱼类识别系统及方法


[0001]本专利技术涉及鱼类识别系统
，尤其是涉及局部特征影响全局特征学习的鱼类识别系统及方法。

技术介绍

[0002]大数据时代所带来的数据激增以及计算机算力的提高为计算机视觉、深度学习等领域带来了更进一步的发展。近年来，海洋生态环境的恶化得到更多人的重视，针对海洋生物的目标识别具有重要意义，水下鱼类目标识别为保护海洋生态环境提供了技术支持。精准识别每条鱼的身份信息有利于了解生态系统状况，记录种群密度，观察个体生长情况以及身体状态。
[0003]传统鱼类识别是学习鱼体特征，识别时需要与被检测的鱼体图片进行对比，不能对陌生鱼体进行识别，同时水下环境复杂所导致的鱼体识别准确率低等问题成为了本领域技术人员需要解决的技术重点。

技术实现思路

[0004]本专利技术的目的是提供局部特征影响全局特征学习的鱼类识别系统及方法，针对不同种类鱼体识别泛化性强，能够识别陌生个体、识别准确率高。
[0005]为实现上述目的，本专利技术提供了局部特征影响全局特征学习的鱼类识别系统，包括数据收集模块、数据传输模块和鱼类识别终端，
[0006]所述数据收集模块包括固定板、水下摄影机、电源电路、水下照明装置、补光光壁，所述电源电路为所述水下摄像机和所述水下照明装置供电，所述固定板竖直设置于水面下，所述水下摄影机和所述水下照明装置固定在所述固定板上，所述补光光壁设置于所述固定板的对面；
[0007]所述数据传输模块包括数据存储装置和图像传输装置，所述图像传输装置将所述水下摄影机收集的图像信息发送至所述数据存储装置进行存储；
[0008]所述鱼类识别终端包括服务器、实时监控装置和图像接收装置，所述实时监控装置设置于所述数据收集模块的上方，所述图像接收装置接收来自所述数据存储装置的图像信息并发送至所述服务器。
[0009]优选的，所述数据收集模块还包括温度传感器、氧气含量传感器和压力传感器。
[0010]优选的，所述数据存储装置为可用空间10G以上的机械硬盘。
[0011]优选的，所述图像传输装置、所述图像接收装置、所述实时监控装置和所述服务器通过无线网桥实现通信连接。
[0012]局部特征影响全局特征学习的鱼类识别方法，包括以下步骤：
[0013]S1、将发送到所述服务器的图像信息进行视频抽帧处理，利用视频连贯性的特点，找出同一条鱼的不同图片，对其进行图片编号；
[0014]S2、使用Labelme标注工具对鱼体进行关键点标注；
[0015]S3、按关键点进行鱼体分块得到鱼体局部图片，将局部图片和整体图片作为神经网络的输入；
[0016]S4、通过SE
‑
Resnet主干网络学习鱼体特征，将局部和全局学习到的特征进行融合并且利用Adam优化算法进行训练，得到最优鱼类识别模型。
[0017]优选的，在S3中，对分块后得到的鱼体局部图片进行数据增强，包括
‑
7度到7度的随机旋转和0.7到1.3的亮度变化。
[0018]较现有技术相比，本专利技术具有以下优点：
[0019]1、该系统并不需要大量的鱼体信息做查询数据库，只要鱼类个体游动经过水下相机，就可以给其分配一个身份信息，并且学习到该个体的纹理特征，再次被摄像机记录的时候会根据相似度排名匹配已经分配好的身份信息，以此完成目标识别任务。这完美的绕过了水下鱼类数据难采集，数据库小的弊端，仅仅通过水下相机拍摄就能达到鱼类个体识别的目标。
[0020]2、使用将resnet网络与SE模块相结合的SE
‑
Resnet作为主干网络，通过添加注意力机制SE模块，关注不同通道之间的关系，找到通道之间的重要程度，以极小参数量的增加为代价，提升了网络性能。
[0021]3、采用局部特征影响全局特征的学习方式，粗粒度与细粒度相结合，即使是在关键信息遮挡或缺失的情况下依然能够有效识别目标物体。
[0022]本专利技术提供的局部特征影响全局特征学习的鱼类识别装置及系统，不但精准度高、泛化性强且操作简单、使用可靠具有较强的实用价值，提高了水下鱼类识别效率。
[0023]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0024]图1为本专利技术局部特征影响全局特征学习的鱼类识别系统的结构示意图；
[0025]图2为本专利技术实施例的鱼类识别终端网络图；
[0026]图3为本专利技术实施例的鱼类识别方法流程图。
[0027]附图标记
[0028]1、固定板；2、水下摄像机；3、水下照明装置；4、补光光壁；5、电源电路；6、图像传输装置；7、图像接收装置；8、数据存储装置；9、服务器；10、实时监控装置。
具体实施方式
[0029]以下通过附图和实施例对本专利技术的技术方案作进一步说明。
[0030]实施例
[0031]如图所示，局部特征影响全局特征学习的鱼类识别系统，包括数据收集模块、数据传输模块和鱼类识别终端。
[0032]数据收集模块包括固定板1、水下摄影机、电源电路5、水下照明装置3、补光光壁4，电源电路5为水下摄像机2和水下照明装置3供电。固定板1竖直设置于水面下，水下摄影机和水下照明装置3固定在固定板1上，补光光壁4设置于固定板1的对面，水下照明装置3和补光光壁4为水下摄像机2提供所需光源。数据收集模块还包括温度传感器、氧气含量传感器和压力传感器，分别用于测量水体中的温度、氧含量和压力，作为识别系统中的环境参考变
量。
[0033]数据传输模块包括数据存储装置8和图像传输装置6，图像传输装置6将水下摄影机收集的图像信息发送至数据存储装置8进行存储，数据存储装置8存储为可用空间10G以上的机械硬盘。
[0034]鱼类识别终端包括服务器9、实时监控装置10和图像接收装置7，实时监控装置10设置于数据收集模块的上方，图像接收装置7接收来自数据存储装置8的图像信息并发送至服务器9。图像传输装置6、图像接收装置7、实时监控装置10和服务器9通过无线网桥实现通信连接。
[0035]局部特征影响全局特征学习的鱼类识别方法，包括以下步骤：
[0036]S1、将发送到服务器9的图像信息进行视频抽帧处理，利用视频连贯性的特点，找出同一条鱼的不同图片，对其进行图片编号；
[0037]S2、使用Labelme标注工具对鱼体进行关键点标注；
[0038]S3、按关键点进行鱼体分块得到鱼体局部图片，对分块后得到的鱼体局部图片进行数据增强，包括
‑
7度到7度的随机旋转和0.7到1.3的亮度变化，将局部图片和整体图片作为神经网络的输入；
[0039]按关键点对鱼体划分的方式包括按左右顺序划分和按上下顺序划分。按左右顺序依次划分为头、身、尾三部分，称为第一部分输入图像；按上下顺序依次划分为上鱼鳍和下鱼鳍两部分，称为第二部分输入图像；整体图片作为全局特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.局部特征影响全局特征学习的鱼类识别系统，其特征在于：包括数据收集模块、数据传输模块和鱼类识别终端，所述数据收集模块包括固定板、水下摄影机、电源电路、水下照明装置、补光光壁，所述电源电路为所述水下摄像机和所述水下照明装置供电，所述固定板竖直设置于水面下，所述水下摄影机和所述水下照明装置固定在所述固定板上，所述补光光壁设置于所述固定板的对面；所述数据传输模块包括数据存储装置和图像传输装置，所述图像传输装置将所述水下摄影机收集的图像信息发送至所述数据存储装置进行存储；所述鱼类识别终端包括服务器、实时监控装置和图像接收装置，所述实时监控装置设置于所述数据收集模块的上方，所述图像接收装置接收来自所述数据存储装置的图像信息并发送至所述服务器。2.根据权利要求1所述的局部特征影响全局特征学习的鱼类识别系统，其特征在于：所述数据收集模块还包括温度传感器、氧气含量传感器和压力传感器。3.根据权利要求1所述的局部特征影响全局特征学习的鱼类识别系统，其特征在于：所述数据存储装置为可用空间10G以上的机械硬盘。4.根据权利要...

【专利技术属性】
技术研发人员：殷健豪，吴俊峰，于红，高春奇，郭世豪，
申请(专利权)人：大连海洋大学，
类型：发明
国别省市：